2. 事件管理基础：事件的定义与分类
事件管理是故障自愈体系的“信号入口”。在自动化 Runbook 联动值班机器人的场景中，只有对事件进行标准化定义、严格分类和准确评估，才能触发正确的处理流程。本章将系统讲解事件的定义、分类、生命周期以及优先级与影响度评估方法。
2.1 事件的定义与核心分类
在 IT 运维领域，事件（Incident） 是指任何可能对 IT 服务造成中断或质量下降的异常情况。根据来源和性质，事件可分为以下三大类：
| 事件类型 | 定义 | 典型示例 | 触发方式 |
|---|---|---|---|
| 告警（Alert） | 监控系统检测到指标超出阈值后发出的通知，是事件的潜在信号。 | CPU 使用率 > 90%、磁盘空间不足、HTTP 5xx 错误率飙升。 | 自动（监控系统） |
| 故障（Failure） | 已经导致服务不可用或功能严重受损的实际状态。 | 数据库主库宕机、应用进程崩溃、网络分区。 | 自动 + 人工确认 |
| 变更（Change） | 有计划或紧急的 IT 基础设施或应用配置修改，可能引发事件。 | 代码发布、配置更新、扩缩容操作、防火墙规则修改。 | 人工（变更管理流程） |
关键认知： 告警是“信号”，故障是“结果”，变更是“原因”。故障自愈体系的核心目标是将告警快速转化为故障确认，并通过自动化 Runbook 消除变更带来的负面影响。
2.2 事件生命周期
每个事件从产生到关闭都会经历一个标准化的生命周期。理解这一周期是设计自动化流程的基础。下图展示了事件管理的完整闭环：
事件生命周期的每个阶段都对应着明确的自动化动作：
- 检测与告警： 监控系统（如 Prometheus、Zabbix）发现异常，生成告警事件。
- 分类与定级： 值班机器人接收事件，根据预定义规则自动分类（告警/故障/变更）并评估优先级。
- 诊断与处置： 触发对应的自动化 Runbook，执行诊断脚本或恢复操作。
- 恢复与关闭： 确认服务恢复，自动关闭事件，并记录处理日志。
- 复盘与改进： 定期分析事件数据，优化分类规则和 Runbook 逻辑。
2.3 事件优先级与影响度评估
优先级决定了事件处理的紧急程度和资源投入。评估通常基于两个维度：影响度（Impact） 和 紧迫性（Urgency）。
- 影响度： 事件对业务造成的损害范围。例如：影响全部用户 vs. 影响单个用户。
- 紧迫性： 事件必须在多长时间内解决。例如：核心交易中断需在 5 分钟内恢复 vs. 非核心功能可在 24 小时内修复。
通过矩阵组合，可以快速确定事件的优先级等级：
| 影响度 \ 紧迫性 | 高（High） | 中（Medium） | 低（Low） |
|---|---|---|---|
| 高（High） | P0（Critical） — 立即响应，全员介入 | P1（Major） — 快速响应，专项处理 | P2（Minor） — 正常处理，持续跟进 |
| 中（Medium） | P1（Major） — 快速响应，专项处理 | P2（Minor） — 正常处理，持续跟进 | P3（Trivial） — 低优先级，积压处理 |
| 低（Low） | P2（Minor） — 正常处理，持续跟进 | P3（Trivial） — 低优先级，积压处理 | P4（Informational） — 仅记录，无需处理 |
自动化实践： 在值班机器人中，我们通常将 P0 和 P1 事件配置为“立即触发电话告警 + 自动创建故障群 + 执行自愈 Runbook”；P2 事件仅发送即时消息通知；P3/P4 事件则归入日报，由 SRE 团队在非工作时间处理。
2.4 事件分类与优先级在 Runbook 中的映射
为了让自动化系统正确决策，需要将事件分类和优先级映射到具体的 Runbook 动作。以下是一个典型的映射规则示例：
# 事件处理策略配置示例（YAML 格式）
event_handling_policy:
- event_type: "告警"
priority: "P0"
action: "触发紧急自愈 Runbook，同时通知值班组长"
runbook_id: "rb_emergency_recovery"
- event_type: "故障"
priority: "P1"
action: "触发标准自愈 Runbook，通知值班工程师"
runbook_id: "rb_standard_recovery"
- event_type: "变更"
priority: "P2"
action: "记录变更事件，执行变更后健康检查 Runbook"
runbook_id: "rb_change_validation"
- event_type: "告警"
priority: "P3"
action: "仅记录告警日志，不触发自动化动作"
runbook_id: null通过这种结构化的映射，值班机器人可以像“交通警察”一样，将不同“车辆”（事件）引导至正确的“车道”（Runbook），实现高效、自动化的故障响应。